- Ausführende
-
Lernen
Python lernen Ausführbare Beispiele, NumPy, pandas und mehr KI lernenNeuronale Netze, ML und LLMs von Grund auf C/C++ lernen Zeiger, Speicher, STL und modernes C++ C# lernenC#-Grundlagen, OOP, LINQ, Async und .NET-Übungen Matplotlib lernenLinien-, Balken-, Streu- und Kreisdiagramme mit interaktiven Visualisierungen Python-Algorithmen Suche, Sortierung, Rekursion und Visualisierungen O(n) C/C++-Algorithmen Implementierungen in C und C++ vergleichen
- AufgabenNeu
- Für LehrkräfteNeu
Matplotlib für Fortgeschrittene
Achsen und Ticks steuern, Wichtiges annotieren, Streuung und Unsicherheit zeigen, Daten stapeln, pandas-DataFrames plotten und Figuren für Berichte speichern.
Pfad starten →- Lektion Achsengrenzen, Ticks und Log-Skala Achsengrenzen setzen, Position und Text der Ticks wählen und mit set_yscale auf eine Log-Skala wechseln.
- Lektion Annotationen, Text und Referenzlinien Wichtige Werte mit ax.annotate markieren, Notizen mit ax.text hinzufügen und Ziele mit axhline kennzeichnen.
- Lektion Boxplots und Violinplots Die Streuung mehrerer Gruppen mit ax.boxplot und ax.violinplot vergleichen.
- Lektion Gestapelte Balken und Flächendiagramme Mit gestapelten Balken (bottom=) und ax.stackplot zeigen, wie sich Teile über die Zeit summieren.
- Lektion Fehlerbalken und Unsicherheit Messunsicherheit mit ax.errorbar und einem schattierten Band mit fill_between zeigen.
- Lektion pandas-DataFrames plotten Einen pandas-DataFrame mit df.plot in ein Diagramm verwandeln und mit Matplotlib anpassen.
- Lektion Figuren speichern: savefig, DPI und Größe Diagramme mit fig.savefig als PNG oder SVG speichern und Größe, Auflösung und Ränder steuern.